어......

🟢 Mantle, Anthropic의 FlashProve에서 언급 #kol 최근 Anthropic의 공식 블로그를 통해 FlashProve 기술이 소개되면서 이와 함께 Mantle에 대한 언급도 이어져 내용 간단히 정리해왔습니다. ✅ FlashProve? -무엇을 실행했는지 확인하는 기술 -제공업체가 사용할 모델 가중치의 암호학적 지문을 먼저 공개 -검증자는 가중치를 보거나 모델을 직접 다시 돌리지 않아도, 검증 대상 출력이 해당 가중치로 계산될 수 있는지 증명으로 확인 -아직 연구용 프로토타입으로 실험에서 증명 생성에 일반 추론 대비 약 70~95배의 GPU 시간이 필요 ✅ Mantle이 언급 된 이유 -Anthropic은 FlashProve에 쓰인 zkSNARK 계열 기술이 이미 실서비스에서 사용되는 사례로 이더리움 L2 Mantle과 Starknet을 언급 -Mantle의 증명 파트너인 Succinct 소속 연구자도 공동 저자로 참여 -Mantle에 FlashProve가 도입됐다는 발표는 아니지만 블록체인과 AI가 같은 계열의 증명 기술을 서로 다른 검증 문제에 활용하는 사례로 언급 -블록체인에서는 거래가 규칙대로 처리됐는가에 대한 기술이 AI에서는 내가 요청한 모델이 이 출력을 낸 것이 맞는지를 확인하는 수단으로 활용 Anthropic 연구 원문 며칠 전 Succinct와 스타크넷이 언급되면서 크게 이슈가 됐던 연구인데 Mantle도 함께 여기에 언급되었습니다. 크립토에서 익숙하게 보던 zkSNARK 기술이 AI 분야에서도 언급된게 신기하기도 하네요. (원래 zk 자체가 크립토 네이티브 기술이 아니긴 함) 다만 본문에도 나와있지만 여전히 증명 비용 부담이 크기에 향후 얼마나 낮출 수 있느냐가 실제 서비스 도입 여부를 판가름 지을 것 같네요.

🟢 Mira Network, 최적의 AI 공급자를 찾아주는 Sterling 출시 #광고 ✅ AI 선택의 또 다른 요소 '공급자' -AI API를 사용할 때 일반적으로 보는 기준은 모델 이름 -단 같은 모델이라도 공급자에 따라 응답품질 및 속도의 차이가 있을 수 있음 -Artificial Analysis의 gpt-oss-120b AIME 2025 수학 벤치마크에 따르면 같은 gpt-oss-120b라도 제공업체별로 점수가 36.7% ~ 93.3%로 다른 결과 (참고) -이는 공급자마다 추론 설정 및 실행 환경이 다를 수 있기 때문 ✅ Sterling? -MIRA가 AI 모델 공급자를 검증 및 기준을 통과한 업체를 통해 추론 요청을 처리하는 서비스 -이용자가 모델 이름만 보고 제공업체를 고를 때 놓치기 쉬운 실제 서비스 품질을 확인하는 데 초점 트위터 공지|Sterling 공급자의 환경에 따라 추론 성능이 달라진다는 것은 알았는데 그 편차가 생각보다도 큰 만큼 향후엔 어떤 모델을 사용하는가 만큼 어떤 공급자를 선택하느냐도 중요할 것 같습니다. MIRA의 Sterling이 어떤 기준으로 공급자를 검증하고 그 결과를 얼마나 투명하게 보여주는지를 주의깊게 보시면 좋을 것 같네요. 트위터